Towards Cross-View-Consistent Self-Supervised Surround Depth Estimation

深度估计是自动驾驶的基石，但是获取每个像素点的深度真值用于监督学习是具有挑战性的。连续图像的自监督周围深度估计（SSSDE）提供了一种经济的替代方法。虽然之前的SSSDE方法已经提出了不同的机制来融合图像间的信息，但是很少有方法明确考虑跨视角的约束，导致性能较差，特别是在重叠区域。本文提出了一种高效且一致的姿态估计设计和两个损失函数来增强SSSDE的跨视角一致性。对于姿态估计，我们建议仅使用前视图像来减少训练内存并保持姿态估计的一致性。第一个损失函数是密集深度一致性损失，惩罚重叠区域中预测深度的差异。第二个损失函数是多视角重建一致性损失，旨在维护空间和空间-时间上下文的重建一致性。此外，我们引入了一种新的翻转增强来进一步提高性能。我们的技术使得简单的神经模型能够在DDAD和nuScenes数据集上实现最先进的性能。最后但并非最不重要的，我们提出的技术可以轻松应用于其他方法。代码将被公开。

解决问题：本文旨在通过自监督的环绕深度估计方法，解决自动驾驶中像素级深度地面实况获取困难的问题。

关键思路：本文提出了一种有效且一致的姿态估计设计和两种损失函数，以增强自监督环绕深度估计中的跨视图一致性。其中，姿态估计只使用前视图图像以减少训练内存，并保持姿态估计的一致性。两种损失函数分别是密集深度一致性损失和多视角重构一致性损失。

其他亮点：本文引入了一种新的翻转增强方法，进一步提高了性能。在DDAD和nuScenes数据集上，本文提出的技术使得一个简单的神经模型能够达到最先进的性能。此外，本文的技术可以轻松应用于其他方法。作者将公开代码。

相关研究：最近的相关研究包括：《Learning Monocular 3D Object Detection via Multi-View Geometry Constraints》、《Self-Supervised Learning of Depth and Motion Under Photometric Inconsistency》等。